原创力文档- 1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
- 2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
计算机与现代化
2025年第1期JISUANJIYUXIANDAIHUA总第353期
文章编号：1006-2475（2025）01-0086-08
融合策略价值网络的高效棋类游戏算法
1121
周毅，田永谌，邱宇峰，高华
（1.武汉科技大学信息科学与工程学院，湖北武汉430081；2.宝信软件（武汉）有限公司，湖北武汉430080）
摘要：棋类游戏一直是深度强化学习的研究热点，因为棋盘和棋类游戏规则具备较高复杂度，寻求棋类游戏的最优解需
要耗费大量时间。现阶段的棋类游戏算法采用的基于动作概率分布的动作选择方法导致自我对弈效率低下，且策略和
价值需要独立的神经网络计算，样本利用率低、训练耗时长。本文就上述问题提出一种融合策略价值网络的高效棋类游
戏算法，以耿贝尔最大值方法替代原本的动作选择方法，且采用ε-greedy算法和模拟退火算法平衡动作搜索中探索与利
用的关系。实验结果表明：相较于各种经典棋类游戏算法，本文提出的算法在对战传统算法时胜率达到90%以上。在蒙
特卡洛模拟次数较小的情况下，引入耿贝尔最大值采样训练得到的模型的埃洛等级分远高于传统动作选择方法。在训
练达到3000埃洛等级分的前提下，本文提出的算法能节约50%的时间。
关键词：棋类游戏；蒙特卡洛树搜索；耿贝尔最大值方法；ε-greedy算法；模拟退火算法
中图分类号：TP183文献标志码：ADOI：10.3969/j.issn.1006-2475.2025.01.014
EfficientBoardGamesAlgorithmwithIntegratedStrategyValueNetwork
1121
ZHOUYi，TIANYongshen，QIUYufeng，GAOHua
（1.SchoolofInformationScienceandEngineering，WuhanUniversityofScienceandTechnology，Wuhan430081，China；
2.BaosightSoftware（Wuhan）Co.，Ltd.，Wuhan430080，China）
Abstract：Boardgamesalwayshavebeenafocusofdeepreinforcementlearningresearchduetotheircomplexboardconfigura‐
tionsandrules，whichrequirealotoftimetofindoptimalsolutions.Currentalgorithmsforchessgamesuseactionprobability
distribution-basedmethodsforactionselectionduringself-play，whichleadstoinefficientexplorationandexploitation.They
alsorequireseparateneuralnetworkcomputationsforstrategyandvalue，resultinginlowsampleusageandlongtrainingtimes.
Thispaperproposesanefficientchessgamealgorithmthatcombinesstrategy-valuenetworks，replacingtheoriginalactionselec‐
tionmethodwiththeGeng-Bellmanmaximumvaluemethod.Itbalancesexplorationandexploitationinactionsearchusing
文档评论（0）